1. 引言

Scrapy框架结构清晰，基于twisted的异步架构可以充分利用计算机资源，是爬虫做大的必备基础。本文将讲解如何快速安装此框架并使用起来。

2. 安装Twisted

2.1 同安装Lxml库

2.2 安装twisted

打开命令提示符窗口，输入命令：

pipinstallE:demoTwisted-16.4.1-cp35-cp35m-win_amd64.whl(下载好的twisted模块的whl文件路径)

3. 安装scrapy

twisted库安装成功后，安装scrapy就简单了，在命令提示符窗口直接输入命令： pip install scrapy 回车

安装关联模块pypiwin32，在命令提示符窗口直接输入命令： pip install pypiwin32 回车

4. Scrapy测试，敲一个基于Scrapy框架的爬虫程序

新建一个Scrapy爬虫项目fourth：在任意目录按住shift+右键->选择在此处打开命令提示符窗口(这里默认为E:demo)，然后输入命令：

E:demo>scrapy startproject fourth

该命令将会创建包含下列内容的fourth目录:

修改项目配置文件settings.py，有些网站会在根目录下放置一个名字为robots.txt的文件，里面声明了此网站希望爬虫遵守的规范，Scrapy默认遵守这个文件制定的规范，即ROBOTSTXT_OBEY默认值为True。在这里需要修改ROBOTSTXT_OBEY的值，找到项目目录(这里为：E:demofourthfourth)下文件settings.py，更改ROBOTSTXT_OBEY的值为False

引入Gooseeker最新规则提取器模块gooseeker.py(下载地址: https://github.com/FullerHua/gooseeker/tree/master/core)，拷贝到项目目录下，这里为E:demofourthgooseeker.py

创建爬虫模块，进入项目目录E:demofourth下，在此处打开命提示符窗口输入命令：

E:demofourth>scrapy genspider anjuke'anjuke.com'

该命令将会在项目目录E:demofourthfourthspiders下创建模块文件anjuke.py，以记事本打开然后添加代码，主要代码：

启动爬虫，进入项目目录E:demofourth下，在此处打开命提示符窗口输入命令：

E:demofourth>scrapy crawl anjuke

注：网站若发现抓取时报重定向错误了，尝试修改user-agent后，再启动爬虫爬取数据。操作步骤如下：

1、在爬虫项目目录(这里为E:demofourthfourth)下创建模块文件middlewares.py，以记事本打开后，添加如下代码：

2、修改项目配置文件settings.py，加上如下代码：

查看保存结果文件,进入Scrapy爬虫项目目录，这里为E:demofourth，找到名称为anjuke-result.xml的文件夹然后打开